典型文献
基于弥散加权成像的影像组学和机器学习预测急性缺血性脑卒中预后
文献摘要：
目的:基于弥散加权成像(diffusion weighted imaging,DWI)探讨急性缺血性脑卒中患者影像组学特征与预后的关系.方法:选取2018年1月—2020年12月在云南省滇南中心医院就诊的232例急性脑梗死患者,收集并记录入院时患者的ASPECTS评分、24 h内磁共振DWI序列图像、经机械取栓或溶栓治疗后90 d病人的改良Rankin量表(modified rankin scale,mRS)评分.使用3D slicer软件勾画梗死灶所有层面的ROI,使用SlicerRadiomics获得影像组学特征.经过独立样本t检验、单因素Logistics回归分析、LASSO回归和5折交叉验证选择预测效能最高的影像特征.使用支持向量机算法(support vector machine,SVM)建立、优化预测模型.结果:107个影像组学特征经降维筛选后选出11个预测效能最高的特征参数.基于DWI预测模型训练集曲线下面积(area under curve,AUC)、特异度分别为0.901、0.914.基于D W I预测模型测试集A U C、特异度分别为0.854、0.939.结论:基于D W I的影像组学分析可以提供多个参数用于预测90天后患者神经功能恢复状况.影像组学预测模型具有较好的预测效能.
文献关键词：
急性缺血性脑卒中;弥散加权成像;影像组学;机器学习;预后
中图分类号：
作者姓名：
唐太松;吴丽霞;熊巧玲
作者机构：
云南省滇南中心医院 < 红河州第一人民医院 > 医学影像科 云南 蒙自 661199
文献出处：
引用格式：
[1]唐太松;吴丽霞;熊巧玲-.基于弥散加权成像的影像组学和机器学习预测急性缺血性脑卒中预后)[J].影像研究与医学应用,2022(19):37-39,43
A类：
SlicerRadiomics
B类：
弥散加权成像,机器学习预测,急性缺血性脑卒中,diffusion,weighted,imaging,DWI,脑卒中患者,影像组学特征,滇南,南中,中心医院,急性脑梗死患者,录入,入院时,ASPECTS,序列图像,机械取栓,溶栓治疗,Rankin,modified,rankin,scale,mRS,slicer,勾画,ROI,Logistics,LASSO,交叉验证,预测效能,影像特征,支持向量机算法,support,vector,machine,模型训练,训练集,集曲,area,under,curve,模型测试,测试集,影像组学分析,神经功能恢复,恢复状况
AB值：
0.328807
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
